Resumen

Estudiamos el (PIA) para procesos de decisión de Markov de salto en tiempo continuo en espacios de estado y acción generales. Se permite que las tasas de transición correspondientes sean , y las tasas de recompensa pueden tener . El criterio con el que nos preocupamos es . Proponemos un conjunto de condiciones bajo las cuales primero establecemos la ecuación de optimalidad de recompensa promedio y presentamos el PIA. Luego, bajo dos diferentes conjuntos de condiciones, demostramos que el PIA produce la recompensa óptima (máxima), una política estacionaria óptima promedio, y una solución a la ecuación de optimalidad de recompensa promedio.

• Materias:Ecuaciones diferenciales Ecuaciones hiperbólicas Vector de control
• Subjects:Differential equations Hyperbolic equations Control vector
• Palabras claves:Tiempo continuo; Salto; Procesos de decisión de Markov; Recompensa promedio; Ecuación de optimalidad; PIA
• Keywords:Continuous-time; Jump; Markov decision processes; Average reward; Optimality equation; PIA